基于時間序列的空調(diào)逐時負(fù)荷預(yù)測模型

基于時間序列的空調(diào)逐時負(fù)荷預(yù)測模型

0負(fù)荷預(yù)測技術(shù)合理的運(yùn)營和調(diào)節(jié)方法是改善空氣調(diào)節(jié)系統(tǒng)能源使用的主要途徑之一。實行負(fù)荷預(yù)測是空氣調(diào)節(jié)系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ),也是蓄能空調(diào)系統(tǒng)高效經(jīng)濟(jì)運(yùn)行和新興的冷熱電三聯(lián)產(chǎn)技術(shù)發(fā)揮技術(shù)優(yōu)勢的關(guān)鍵所在。目前,國內(nèi)外和國際上已經(jīng)對此做了大量研究。1定量預(yù)測定量預(yù)測預(yù)測方法可以分成兩大類,一類是定性預(yù)測,一類是定量預(yù)測?？照{(diào)逐時負(fù)荷預(yù)測常采用定量預(yù)測的方法,主要采用時間序列、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等方法建立空調(diào)逐時負(fù)荷預(yù)測模型。1.1負(fù)荷在線預(yù)測模型時間序列預(yù)測的基本出發(fā)點(diǎn)是用事物過去的變化特征描述和預(yù)測末來的變化特征。Macarthur等人于1989年采用具有外部輸入的自回歸移動平均時序模型進(jìn)行逐時冷負(fù)荷的預(yù)測。其不足是在負(fù)荷變化劇烈時,預(yù)測精度無法得到保證。Seem等人于1991年建立了一個利用EWMA(指數(shù)加權(quán)移動平均)和AR(自回歸)模型進(jìn)行負(fù)荷預(yù)測的在線預(yù)測模型,模型的參數(shù)能夠根據(jù)建筑物空調(diào)負(fù)荷或用電負(fù)荷的歷史記錄適時調(diào)整數(shù)學(xué)模型中的部分參數(shù)。Kimbar等人于1995年采用積分自回歸-移動平均模型方法進(jìn)行負(fù)荷的在線預(yù)測。Yoshida等人于1997年建立了負(fù)荷回歸模型,預(yù)測的平均相對誤差夏季為29%,冬季為12%。我國的張偉捷等人于1996年最早介紹了利用時間序列進(jìn)行空調(diào)逐時負(fù)荷預(yù)測的思路。徐令強(qiáng)等人于2009年根據(jù)次日室外最高溫度氣象數(shù)據(jù)及已知的蓄冰空調(diào)負(fù)荷歷史數(shù)據(jù),提出了一種基于溫度區(qū)間的空調(diào)平均負(fù)荷ARMAX模型辨識方法,所提出的預(yù)測模型預(yù)測誤差比單一區(qū)間模型小,并且室外最高溫度差異越大,效果越明顯。空調(diào)負(fù)荷的時間序列預(yù)測模型的特點(diǎn)是計算速度快和能反映負(fù)荷近期變化的連續(xù)性。其存在的不足是對原始時間序列的平穩(wěn)性要求高、而實際空調(diào)負(fù)荷一般均不滿足平穩(wěn)性的要求,因此預(yù)測精度不理想。1.2神經(jīng)網(wǎng)絡(luò)傳播神經(jīng)網(wǎng)絡(luò)空調(diào)逐時負(fù)荷預(yù)測模型是近年來發(fā)展起來的較為新穎的預(yù)測技術(shù)。神經(jīng)網(wǎng)絡(luò)法就是構(gòu)造合適的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),然后選取過去一段時間的負(fù)荷作為訓(xùn)練樣本,用某種訓(xùn)練算法對網(wǎng)絡(luò)進(jìn)行訓(xùn)練使其滿足精度要求之后,用ANN作空調(diào)負(fù)荷預(yù)測。國內(nèi)外對神經(jīng)網(wǎng)絡(luò)應(yīng)用于空調(diào)負(fù)荷的研究總的來說經(jīng)歷了以下三個階段:(1)對神經(jīng)網(wǎng)絡(luò)的直接應(yīng)用的階段;(2)對神經(jīng)網(wǎng)絡(luò)的改進(jìn)階段;(3)神經(jīng)網(wǎng)絡(luò)與其它方法組合的階段。1.2.1空調(diào)負(fù)荷預(yù)測模型國外對神經(jīng)網(wǎng)絡(luò)應(yīng)用于空調(diào)負(fù)荷預(yù)測的研究較早,早期主要是對神經(jīng)網(wǎng)絡(luò)的直接應(yīng)用。Ferrano于1990年采用神經(jīng)網(wǎng)絡(luò)預(yù)測次日的總冷負(fù)荷,提出根據(jù)前一天24小時的溫度確定冷負(fù)荷模式,并與實時專家系統(tǒng)相結(jié)合,確定系統(tǒng)所需蓄冰量,以便更好地控制夜間制冷機(jī)的運(yùn)行。但是該文獻(xiàn)只是首次提出了用神經(jīng)網(wǎng)絡(luò)進(jìn)行冰蓄冷系統(tǒng)負(fù)荷預(yù)測的概念,主要還是根據(jù)冷負(fù)荷模式確定蓄冰量,而且還需要專家系統(tǒng)的支持,實現(xiàn)起來比較復(fù)雜。日本學(xué)者川島實(MinoruKawashima)于1994年推薦用于空調(diào)負(fù)荷預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型采用一個輸出神經(jīng)元(冷負(fù)荷)和有2n+1個神經(jīng)元的隱含層(n是輸入層的神經(jīng)元個數(shù))。其不足是雖然訓(xùn)練速度比較快,但是在負(fù)荷劇烈變化時,預(yù)測精度就顯得較差。Kawashima等人又于1995年采用完全相同的數(shù)據(jù)對包括ANN模型在內(nèi)的7種負(fù)荷預(yù)測模型(ARIMA、LR、EWMA等)用于未來24小時冰蓄冷系統(tǒng)逐時負(fù)荷預(yù)測,結(jié)果顯示由于時間序列模型ARIMA和EWMA完全依賴于以前的數(shù)據(jù),用他們?nèi)ジ櫽商鞖庖鸬呢?fù)荷波動有很大的局限性。同時,采用線性回歸模型(LR)處理非線性問題也是很困難的。作者指出ANN模型對空調(diào)逐時負(fù)荷預(yù)測的相對誤差低于其它模型,但是預(yù)測精度還不夠理想。在美國采暖、制冷和空調(diào)工程師協(xié)會(ASHRAE)以及日本空氣調(diào)和衛(wèi)生工學(xué)會先后組織的關(guān)于空調(diào)負(fù)荷預(yù)測競賽活動中,都顯示了神經(jīng)網(wǎng)絡(luò)在負(fù)荷預(yù)測研究方面的良好效果。ASHRAE于1993年夏季組織了一次公開的競賽,參賽者利用一棟建筑的部分實測數(shù)據(jù)(包括室內(nèi)外氣象參數(shù)、逐時負(fù)荷值)建立預(yù)測數(shù)學(xué)模型,然后用各自得出的數(shù)學(xué)模型以另一部分?jǐn)?shù)據(jù)(只有室內(nèi)外氣象參數(shù)值,負(fù)荷值不提供)來預(yù)測同一棟建筑的逐時負(fù)荷值。最終結(jié)果顯示,約2/3的研究者采用了各種神經(jīng)網(wǎng)絡(luò)方法作為負(fù)荷預(yù)測建模的基礎(chǔ),在預(yù)測精度最好的前6名中有5名采用了神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷預(yù)測的建模,顯示出了神經(jīng)網(wǎng)絡(luò)方法在負(fù)荷預(yù)測研究方面的良好效果。隨后,在ASHRAE于1994開展了另外一場關(guān)于建筑物空調(diào)負(fù)荷預(yù)測的競賽,結(jié)果仍然顯示出采用神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測精度最好。日本空氣調(diào)和衛(wèi)生工學(xué)會于1997也開展了一個類似的競賽。該競賽分為Trial-1和Trial-2兩個階段。其中Trial-1主要探討各種預(yù)測方法的可行性,Trial-2主要驗證各種預(yù)測模型在實際控制應(yīng)用中的可行性。Trial-1的結(jié)果同樣顯示,采用神經(jīng)網(wǎng)絡(luò)方法的預(yù)測模型具有最高的預(yù)測精度。Trial-2的結(jié)果為時間序列方法和神經(jīng)網(wǎng)絡(luò)方法具有較高的預(yù)測精度。Abdullatif等人于2004年利用神經(jīng)網(wǎng)絡(luò)預(yù)測空調(diào)系統(tǒng)逐時負(fù)荷值,網(wǎng)絡(luò)輸入為24小時的室外干球溫度,網(wǎng)絡(luò)輸出為第二天的逐時冷負(fù)荷值。結(jié)果表明,設(shè)計合理的神經(jīng)網(wǎng)絡(luò)是一個功能強(qiáng)大的預(yù)測工具。國內(nèi)近些年也利用神經(jīng)網(wǎng)絡(luò)進(jìn)行空調(diào)負(fù)荷預(yù)測的研究。楊自強(qiáng)等人于1998年介紹了利用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行負(fù)荷預(yù)測的基本理論和方法,并對大連某辦公樓的冷負(fù)荷進(jìn)行逐時預(yù)測,得到了比較滿意的結(jié)果。孫光偉等人于1998年采用BP網(wǎng)絡(luò)對逐時空調(diào)負(fù)荷進(jìn)行預(yù)測,并對神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行了比較研究,仿真結(jié)果表明,將前幾日的負(fù)荷數(shù)據(jù)、預(yù)測日的氣象參數(shù)和預(yù)測日的特性作為網(wǎng)絡(luò)輸入時,預(yù)測精度最高。李元旦于2002年對單純時間序列模型、傳遞函數(shù)模型和神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測進(jìn)行比較,并對比分析日本建筑物負(fù)荷預(yù)測國際競賽的部分比賽數(shù)據(jù)及研究成果,認(rèn)為在建筑物負(fù)荷預(yù)測模型的選擇方面,采用人工神經(jīng)網(wǎng)絡(luò)方法(包括基于神經(jīng)網(wǎng)絡(luò)的時間序列方法)的模型具有預(yù)測精度較高、推廣能力較強(qiáng)等特點(diǎn)。石磊等人于2003年基于相同的數(shù)據(jù),分別采用逐步回歸分析法和人工神經(jīng)網(wǎng)絡(luò)進(jìn)行建筑物逐時冷負(fù)荷的預(yù)測,其中,逐步回歸的偏差系數(shù)為10.4%,神經(jīng)網(wǎng)絡(luò)為6.11%。何大四等人于2006年針對同一建筑,分別采用了多元線性回歸,季節(jié)性指數(shù)平滑法以及神經(jīng)網(wǎng)絡(luò)方法等三種預(yù)測方法進(jìn)行空調(diào)負(fù)荷預(yù)測研究,并對三種方法做了進(jìn)一步改進(jìn),然后從預(yù)測精度、建模的復(fù)雜程度、工程上的可行性以及新建筑預(yù)測可行性四個方面對負(fù)荷預(yù)測方法進(jìn)行分析,結(jié)果表明:神經(jīng)網(wǎng)絡(luò)方法的預(yù)測效果最好。王海濤于2007年利用EBP神經(jīng)網(wǎng)絡(luò)預(yù)測空調(diào)負(fù)荷,輸入層為室外干球溫度、含濕量及太陽輻射,預(yù)測值與動態(tài)計算值較為接近。國內(nèi)外對神經(jīng)網(wǎng)絡(luò)直接應(yīng)用于空調(diào)逐時負(fù)荷預(yù)測基本上都取得了比傳統(tǒng)預(yù)測更好的預(yù)測效果,但是,隨著神經(jīng)網(wǎng)絡(luò)在空調(diào)逐時負(fù)荷預(yù)測研究的深入,出現(xiàn)了神經(jīng)網(wǎng)絡(luò)易于陷入局部極小點(diǎn)、網(wǎng)絡(luò)推廣能力差、預(yù)測精度在實際應(yīng)用中不夠理想等新問題。因此,許多學(xué)者對神經(jīng)網(wǎng)絡(luò)進(jìn)行的改進(jìn)。1.2.2基于互聯(lián)網(wǎng)的離線訓(xùn)練方案朱能等人于2002年利用神經(jīng)網(wǎng)絡(luò)預(yù)測空調(diào)負(fù)荷時,在BP網(wǎng)絡(luò)的權(quán)值修改算法中,引入了模擬退火法,從而改善了傳統(tǒng)BP算法跳出局部極小值的能力。李元旦等人于2002年分析比較了各種建筑物空調(diào)負(fù)荷預(yù)測方法的特點(diǎn)和實施的困難,給出了一種基于互聯(lián)網(wǎng)利用神經(jīng)網(wǎng)絡(luò)進(jìn)行建筑物空調(diào)負(fù)荷預(yù)測的解決方案,該方案通過互聯(lián)網(wǎng)將神經(jīng)網(wǎng)絡(luò)的離線訓(xùn)練與在線逐時負(fù)荷預(yù)測緊密結(jié)合起來,滿足較高負(fù)荷預(yù)測精度的要求。曹雙華等人于2003年針對BP網(wǎng)絡(luò)中最速下降法的缺點(diǎn),提出基于神經(jīng)網(wǎng)絡(luò)的混沌優(yōu)化的方法,對誤差函數(shù)及搜索方法作了適當(dāng)?shù)母倪M(jìn),建立了一個混沌神經(jīng)網(wǎng)絡(luò)模型。并用此改進(jìn)模型對空調(diào)熱負(fù)荷進(jìn)行預(yù)測,結(jié)果表明,該方法預(yù)測精度較高。常曉珂等人于2003年采用自適應(yīng)學(xué)習(xí)率及附加動量的BP網(wǎng)絡(luò),對空調(diào)逐時負(fù)荷進(jìn)行預(yù)測,選取了預(yù)測負(fù)荷時刻之前的室外氣溫及太陽輻射強(qiáng)度為網(wǎng)絡(luò)的輸入?yún)?shù)。李海軍等人于2009年提出了對歷史數(shù)據(jù)進(jìn)行相關(guān)性分析和輸入數(shù)據(jù)主成分分析以提高神經(jīng)網(wǎng)絡(luò)推廣能力。實例分析結(jié)果表明:該方法對推廣能力方面有較好的作用。以上對神經(jīng)網(wǎng)絡(luò)的改進(jìn)研究,在一定程度上改善了神經(jīng)網(wǎng)絡(luò)在空調(diào)逐時負(fù)荷預(yù)測的預(yù)測效果,但都沒法從根本上解決神經(jīng)網(wǎng)絡(luò)易于陷入局部極小點(diǎn)、網(wǎng)絡(luò)推廣能力差、預(yù)測精度不夠理想等問題。因此,不少學(xué)者又開始研究神經(jīng)網(wǎng)絡(luò)與其它方法組合預(yù)測空調(diào)逐時負(fù)荷。1.2.3神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測Yao等人于2004年提出引入層次分析法(AHP),將時間序列法、非線性回歸分析法和神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行組合預(yù)測空調(diào)負(fù)荷,結(jié)果表明,該方法優(yōu)于單一預(yù)測的方法。Li等人于2009年提出將時間序列理論和BP神經(jīng)網(wǎng)絡(luò)方法相結(jié)合進(jìn)行空調(diào)負(fù)荷預(yù)測,研究結(jié)果表明,預(yù)測精度均優(yōu)于獨(dú)立的單一的預(yù)測模型。曹雙華等人于2003年將混沌優(yōu)化和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法引入到空調(diào)系統(tǒng)的冷熱負(fù)荷的預(yù)測中,同時改進(jìn)了誤差函數(shù)形式。曹雙華等人又于2005年將小波變換與神經(jīng)網(wǎng)絡(luò)相結(jié)合預(yù)測空調(diào)逐時冷負(fù)荷,用神經(jīng)網(wǎng)絡(luò)對小波分解后的空調(diào)逐時冷負(fù)荷數(shù)據(jù)序列各頻域分量進(jìn)行預(yù)測,將預(yù)測結(jié)果合成得到對空調(diào)逐時冷負(fù)荷的預(yù)測值,并將折扣系數(shù)法應(yīng)用于神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的修改。劉軍等人于2009年采用db1小波對冰蓄冷空調(diào)冷負(fù)荷序列進(jìn)行分解,分別對低頻和高頻序列采用BP網(wǎng)絡(luò)進(jìn)行預(yù)測,將預(yù)測結(jié)果進(jìn)行疊加得到最終預(yù)測值。結(jié)合實例進(jìn)行了空調(diào)逐時冷負(fù)荷預(yù)測,通過小波-BP網(wǎng)絡(luò)與BP網(wǎng)絡(luò)預(yù)測結(jié)果的對比,可知小波-BP網(wǎng)絡(luò)預(yù)測的效果更好。劉慧卿等人于2009年在對空調(diào)負(fù)荷時間序列的混沌特性分析的基礎(chǔ)上,利用嵌入相空間來確定前期影響因子,建立了基于混沌相空間技術(shù)的BP神經(jīng)網(wǎng)絡(luò),預(yù)測結(jié)果表明預(yù)測精度較高。由于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法采用經(jīng)驗風(fēng)險最小化原理,缺乏定量的分析與機(jī)理完備的理論結(jié)果,因而,神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測方法存在著難以解決的局限性。盡管許多研究人員對神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)以及與其它方法相融合,進(jìn)一步提高預(yù)測的推廣能力,但目前沒有很好的解決辦法。支持向量機(jī)是由貝爾實驗室的Vapnik等人提出的一種新型機(jī)器學(xué)習(xí)算法,它與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法采用的經(jīng)驗風(fēng)險最小化歸納原則不同,實現(xiàn)了結(jié)構(gòu)風(fēng)險最小化(StructureRiskMinimization,SRM)的歸納原則。它的訓(xùn)練等價于解決一個線性約束的二次規(guī)劃問題,因此存在唯一解。與神經(jīng)網(wǎng)絡(luò)方法相比,有著顯著的優(yōu)越性,被認(rèn)為是人工神經(jīng)網(wǎng)絡(luò)方法的替代方法。應(yīng)用支持向量機(jī)方法的空調(diào)負(fù)荷預(yù)測,與神經(jīng)網(wǎng)絡(luò)方法相似,即選取過去一段時間的負(fù)荷作為訓(xùn)練樣本,用某種訓(xùn)練算法對預(yù)測模型進(jìn)行訓(xùn)練,將訓(xùn)練得到的模型用作負(fù)荷預(yù)測。目前,國內(nèi)外對支持向量機(jī)應(yīng)用于空調(diào)負(fù)荷的預(yù)測研究剛剛起步。1.3空調(diào)負(fù)荷預(yù)測模型優(yōu)化Florence等人于2008年將支持向量機(jī)應(yīng)用于建筑能耗預(yù)測,預(yù)測結(jié)果令人滿意。Chen等人于2010年將支持向量機(jī)應(yīng)用于空調(diào)逐時負(fù)荷預(yù)測,并分別應(yīng)用遺傳算法、蟻群算法及粒子群算法對支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化,預(yù)測結(jié)果表明這三種空調(diào)負(fù)荷預(yù)測模型的預(yù)測精度較高,且三種模型的預(yù)測平均相對誤差不超過2.52%。李瓊等人2008年建立了基于支持向量機(jī)理論的建筑物空調(diào)負(fù)荷預(yù)測模型,分別用支持向量機(jī)模型和BP神經(jīng)網(wǎng)絡(luò)模型對廣州地區(qū)某辦公樓夏季的逐時空調(diào)負(fù)荷進(jìn)行預(yù)測。仿真結(jié)果表明,支持向量機(jī)模型具有更高的預(yù)測精度和更好的推廣能力。2神經(jīng)網(wǎng)絡(luò)的簡化、裝復(fù)的特點(diǎn)空調(diào)逐時負(fù)荷的時間序列預(yù)測精度不高,究其原因在于該方法對原始時間序列模型研究對象平穩(wěn)性要求高、而實際空調(diào)負(fù)荷一般均不滿足平穩(wěn)性的要求。對于一個復(fù)雜的問題,在應(yīng)用這些傳統(tǒng)方法進(jìn)行具體預(yù)測時,往往要對預(yù)測對象作不同程度的簡化,而這種簡化又很難把握,常常導(dǎo)致預(yù)測結(jié)果精度不高。而神經(jīng)網(wǎng)絡(luò)的逼近任意復(fù)雜非線性系統(tǒng)、學(xué)習(xí)適應(yīng)嚴(yán)重不確定性系統(tǒng)的動態(tài)特性的能力,使其能夠?qū)崿F(xiàn)空調(diào)負(fù)荷的較準(zhǔn)確預(yù)測,但是,傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型(BP網(wǎng)絡(luò))尚有許多不足之處,如推廣能力不能保證和訓(xùn)練過程可能陷于局部最小,這直接導(dǎo)致預(yù)測的效果不穩(wěn)定。支持向量機(jī)在近些年進(jìn)展非常迅速,與神經(jīng)網(wǎng)絡(luò)相比,有著顯著的優(yōu)越性,如學(xué)習(xí)速度快、全局最優(yōu)和推廣能力強(qiáng),但同時,支持向量機(jī)也有對大規(guī)模訓(xùn)練樣本難以實施以及同時解決多類問題困難的缺點(diǎn)。3強(qiáng)化支撐向量機(jī)在空調(diào)負(fù)荷預(yù)測中的應(yīng)用,進(jìn)一步開展廣能力和計算環(huán)境的研究工作,為空調(diào)負(fù)荷預(yù)測的研究目前已經(jīng)